估值体系架构（起步）

艺术品估值的基本阶段，将经历“数据分析+专家经验”到“大数据+专家经验”再到“大数据+人工智能（如机器学习等）的过程。

对于艺术品估值的方法。第一步，要建立初步的估值方法模型。依据“有限数据，有效应用”原则，实现一定范围的有效应用。依据在数据库系统采集的艺术家艺术品交易信息，构建初步的估值模型。第二步，完善阶段估值方法模型。随着样本数量的增加，建立可比样本数据库，并拓展估值的时空范围和准确性，即可步入完善阶段。当然，这只是条件的预估，具体还需观察样本数据的质量。第三步，智能阶段估值方法模型。通过数据积累与完善并基于数据挖掘的新知识，结合市场专家经验，应用机器学习技术实现人工智能估值，即可步入智能阶段。此时的估值能力不论“时空”拓展还是准确度都将得到大幅提高。进入此阶段需要具有两个条件：一是样本有效数据不低于10万条当量级，并且可持续稳定增长；二是研究团队在模型估值领域应用步入稳定阶段，市场专家经验知识得到有效应用，可以建立基于数据的数学决策模型。

需要提醒的是，数据库的积累与完善、数据挖掘的新知识、市场专家经验知识的聚合是进阶到“智能”的必需要素，数据库积累的不仅是数据还有专业市场经验知识，这是建模和机器学习的基础和根本点。

目前，关于艺术品资产估值的研究、探索及其实施，我认为做得非常不够，缺失很多，空白也不少。似乎理论界及实践界已进入或者是正在进入一个误区，那就是对艺术品资产估值的困境与障碍不深入，而过多地去关注艺术品资产这个核心的外围因素的探索。很多金融机构也以艺术品资产为依托进行艺术金融产品的创新，但在风险管控的创新层面，却只是在找艺术品资产的替代品，没有真正把艺术品资产作为风控的核心，变调为别的资产抵押的变种等。也就是说，太过于注重外围及工具性的创新，而对艺术品资产的估值、定价创新与关注不够。